Strategie zabezpieczaj ce

Wielkość: px
Rozpocząć pokaz od strony:

Download "Strategie zabezpieczaj ce"

Transkrypt

1

2 Plan prezentacji Model binarny Model Black Scholesa Bismut- Elworthy -Li formuła

3 Model binarny i opcja call Niech cena akcji w chwili pocz tkowej wynosi S 0 = 21 Zaªó»my,»e ceny akcji po trzech miesi cach T = 3/12 wyznacza zmienna losowa S T, która przyjmuje dwie warto±ci: S d = 18 i S u = 22 Zatem przewidujemy,»e albo nast pi wzrost ceny o 5% albo nastapi spadek ceny o 15% z pewnym prawdopodobie«stwem Zakªadamy,»e na ten okres roczna stopa procentowa (kredytu i depozytu) dla kapitalizacji ci gªej r = 12% Opcja call to instrument nansowy, który pozwala jego nabywcy kupi akcj za okre±lon cen np K = 21, zwan cen wykonania Zazwyczaj dochodzi do rozliczenia opcji Wystawca opcji musi nabywcy opcji wypªaci kwot o prolu wypªaty dla opcji call równym { ST K = = 1 o ile S (S T K) + = u = 22 0 o ile S d = 18 W ogólno±ci rozwa»a si wypªat losow { fu o ile S f = u f d o ile S d

4 Miara martyngaªowa i wycena opcji call Wiadomo,»e cena europejskiej opcji call jest równa Dla losowego instrumentu f C = E Q [(S T K) + ] e rt C(f ) = E Q [f ] e rt Miara Q jest miar martyngaªow jednoznacznie wyznaczon z równa«{ E Q [S T ] = 22q e rt 1 e 0,12 3/ q 2 e 0,12 3/12 = 21 = S 0, (1) q 1 + q 2 = 1 St d q 1 = 0, 9099 za± q 2 = 0, 0901 za± cena opcji call C = 0, 881

5 dla opcji binarnych Wystawca opcji call (czy ogólnie losowego instrumentu o prolu wypªaty f ) dostaje zatem kwot C = 0, 883 (C(f)) + mar»a Kwota C musi wystarczy do zabezpieczenia jego pozycji Wystawca opcji MUSI kupi akcji = f u f d S u S d = 1 4 Potrzebuje zatem 21 = 525 Poniewa» otrzymaª C = 0, 881 na rynku pieni»nym po»ycza 525 0, 881 = 4, 367 Jego portfel skªada si z: 1 short call, long akcji i po»yczki 4, 367 Zauwa»my,»e warto± portfela 1 short call, long akcji po trzech miesi cach jest staªa i równa kwocie nale»no±ci wymagalnej przez po»yczkodawc 4, 367 e 0,12 3/12 = 4, 5 gdy» f u + S u = f d + S d = 4, 5 Pieni dze te ±ci gamy z rynku akcji i oddajemy Zrobili±my doskonaªe zabezpieczenie

6 Model Blacka Scholesa Denicja Rozwa»amy rynek akcji, gdzie cena akcji o warto±ci pocz tkowej S 0 opisana jest równaniem ds t = S t (µdt + σdw t ), t [0, T ] Ponadto warto± pieni dza ro±nie wg rocznej stopy procentowej dla kapitalizacji ci gªej r staªej w okresi [0, T ] Potrzeba znale¹ miar martyngaªow Q wg której zdyskontowany proces cen jest martyngaªem Mo»na pokaza,»e miara dq dp = exp( r µ σ W T 1 ( ) 2 r µ T ) 2 σ jest probabilistyczna i równowa»na mierze P Proces jest Q procesem Wienera W t = W t r µ σ t

7 Wycena opcji w modelu Blacka Scholesa Korzystaj c z formuªy ITO zdyskontowany proces cen S t speªnia równanie ds t = σs d dw t, czyli jest Q-martyngaªem = S t /e r t Twierdzenie Niech f (S T ) b dzie opcj tak,»e E Q [f (S T )] 2 < Wówczas warto± opcji w chwili t jest równa C t = F (t, S t ), gdzie F (t, x) = e r(t t) E Q [f (xe r(t t) e σξ T t σ 2 (T t)/2 )], za± ξ N(0, 1) W szczególno±ci C 0 = e rt E Q f (S T ) Ponadto dynamika zdyskontowanego procesu C t = C t /e rt dana jest równaniem dc t = F (t, S t ) ds t (2) x czyli C t jest martyngaªem

8 Hedging w modelu Blacka Scholesa Poniewa» dc t = F (t, S t ) ds t x zatem aby zabezpieczy swoje pozycje nale»y stosowa strategie (t, S t ) = F (t, S t ), x czyli je±li oznaczymy S 0 = x za± proces cen St x, to w chwili zero = x e rt E Q [f (S x T )]

9 Hedging w modelu ogólnym Zaªózmy,»e cena akcji opisana jest równaniem wzgl miary martyngaªowej Q dx t = a(x t )dt + b(x t )dw t funkcje a, b : R R odpowiednio regularne Warto± poczatkowa X 0 = x Rozwi zanie b dziemy oznacza przez Xt x Dla prostoty zakªadamy,»e r = 0 Jak ju» zauwa»yli±my strategia zabezpieczaj ca wymaga od wystawcy opcji g(x x T ) kupienia akcji, gdzie = x E Q [g(x x T ) F { ] Problem polega na tym,»e procedury numeryczne s niestabilne je±li 1 ɛn N (g(x x+ɛ j,t j=1 gdzie parametr j oznacza niezale»ne kopie g(x x j,t )),

10 Narz dzia potrzebne do rozwi zania problemu Izonormalny proces Wienera Proces Wienera w przestrzeń Hilberta Rachunek Malliavin Całka stochastyczna Ito wzgl uogólnionego procesu Wienera + całka Bochnera

11 DZI KUJE ZA UWAG

Modele z czasem dyskretnym

Modele z czasem dyskretnym Rozdziaª 1 Modele z czasem dyskretnym 1.1. Wprowadzenie- rynki dyskretne Dynamika aktywu bazowego i warunki pozyskania pieni dza-opis probabilistyczny Niech cena akcji w chwili pocz tkowej wynosi S 0 =

Bardziej szczegółowo

Rozdziaª 9: Wycena opcji

Rozdziaª 9: Wycena opcji Rozdziaª 9: Wycena opcji MODELOWANIE POLSKIEJ GOSPODARKI z R MPGzR (rozdz. 9) Wycena opcji 1 / 23 Denicja opcji. Opcja nansowa:. Warunkowy kontrakt terminowy na sprzeda» lub kupno instrumentu bazowego,

Bardziej szczegółowo

Wstęp do analitycznych i numerycznych metod wyceny opcji

Wstęp do analitycznych i numerycznych metod wyceny opcji Wstęp do analitycznych i numerycznych metod wyceny opcji Jan Palczewski Wydział Matematyki, Informatyki i Mechaniki Uniwersytet Warszawski Warszawa, 16 maja 2008 Jan Palczewski Wycena opcji Warszawa, 2008

Bardziej szczegółowo

Quantile hedging. czyli jak tanio i dobrze zabezpieczyć opcję. Michał Krawiec, Piotr Piestrzyński

Quantile hedging. czyli jak tanio i dobrze zabezpieczyć opcję. Michał Krawiec, Piotr Piestrzyński czyli jak tanio i dobrze zabezpieczyć opcję Michał Krawiec Piotr Piestrzyński Koło Naukowe Probabilistyki i Statystyki Matematycznej Uniwersytet Wrocławski Niedziela, 19 kwietnia 2015 Przykład (opis problemu)

Bardziej szczegółowo

Zadanie 1. Zadanie 2. Niech µ A i µ B oznaczaj stopy zwrotu odpowiednio z aktywa A i B, ªatwo obliczy,»e ,

Zadanie 1. Zadanie 2. Niech µ A i µ B oznaczaj stopy zwrotu odpowiednio z aktywa A i B, ªatwo obliczy,»e , Zadanie 1 Niech µ A i µ B oznaczaj stopy zwrotu odpowiednio z aktywa A i B, ªatwo obliczy,»e Eµ A 0, 02, Eµ 2 A 0, 0175, V arµ A 171 10 4, Eµ B 0, 135, Eµ 2 B 0, 02275, V arµ B 181 4 10 4, Eµ A µ B 0,

Bardziej szczegółowo

Stochastyczne równania różniczkowe, model Blacka-Scholesa

Stochastyczne równania różniczkowe, model Blacka-Scholesa Stochastyczne równania różniczkowe, model Blacka-Scholesa Marcin Orchel Spis treści 1 Wstęp 1 1.1 Błądzenie losowe................................ 1 1. Proces Wienera................................. 1.3

Bardziej szczegółowo

3. (8 punktów) EGZAMIN MAGISTERSKI, Biomatematyka

3. (8 punktów) EGZAMIN MAGISTERSKI, Biomatematyka EGZAMIN MAGISTERSKI, 26.06.2017 Biomatematyka 1. (8 punktów) Rozwój wielko±ci pewnej populacji jest opisany równaniem: dn dt = rn(t) (1 + an(t), b gdzie N(t) jest wielko±ci populacji w chwili t, natomiast

Bardziej szczegółowo

Wycena papierów wartościowych - instrumenty pochodne

Wycena papierów wartościowych - instrumenty pochodne Matematyka finansowa - 8 Wycena papierów wartościowych - instrumenty pochodne W ujęciu probabilistycznym cena akcji w momencie t jest zmienną losową P t o pewnym (zwykle nieznanym) rozkładzie prawdopodobieństwa,

Bardziej szczegółowo

Ogólnopolska Konferencja Naukowa Zagadnienia Aktuarialne - Teoria i praktyka Warszawa, 9 11 czerwca 2008

Ogólnopolska Konferencja Naukowa Zagadnienia Aktuarialne - Teoria i praktyka Warszawa, 9 11 czerwca 2008 Przemysław Klusik Instytut Matematyczny, Uniwersytet Wrocławski Ogólnopolska Konferencja Naukowa Zagadnienia Aktuarialne - Teoria i praktyka Warszawa, 9 11 czerwca 2008 (UWr) Zagadnienia Aktuarialne -

Bardziej szczegółowo

Równania ró»niczkowe I rz du (RRIR) Twierdzenie Picarda. Anna D browska. WFTiMS. 23 marca 2010

Równania ró»niczkowe I rz du (RRIR) Twierdzenie Picarda. Anna D browska. WFTiMS. 23 marca 2010 WFTiMS 23 marca 2010 Spis tre±ci 1 Denicja 1 (równanie ró»niczkowe pierwszego rz du) Równanie y = f (t, y) (1) nazywamy równaniem ró»niczkowym zwyczajnym pierwszego rz du w postaci normalnej. Uwaga 1 Ogólna

Bardziej szczegółowo

Liniowe równania ró»niczkowe n tego rz du o staªych wspóªczynnikach

Liniowe równania ró»niczkowe n tego rz du o staªych wspóªczynnikach Liniowe równania ró»niczkowe n tego rz du o staªych wspóªczynnikach Teoria obowi zuje z wykªadu, dlatego te» zostan tutaj przedstawione tylko podstawowe denicje, twierdzenia i wzory. Denicja 1. Równanie

Bardziej szczegółowo

ARYTMETYKA MODULARNA. Grzegorz Szkibiel. Wiosna 2014/15

ARYTMETYKA MODULARNA. Grzegorz Szkibiel. Wiosna 2014/15 ARYTMETYKA MODULARNA Grzegorz Szkibiel Wiosna 2014/15 Spis tre±ci 1 Denicja kongruencji i jej podstawowe wªasno±ci 3 2 Systemy pozycyjne 8 3 Elementy odwrotne 12 4 Pewne zastosowania elementów odwrotnych

Bardziej szczegółowo

Matematyka finansowa i ubezpieczeniowa - 8 Wycena papierów wartościowych

Matematyka finansowa i ubezpieczeniowa - 8 Wycena papierów wartościowych Matematyka finansowa i ubezpieczeniowa - 8 Wycena papierów wartościowych W ujęciu probabilistycznym cena akcji w momencie t jest zmienną losową P t o pewnym (zwykle nieznanym) rozkładzie prawdopodobieństwa,

Bardziej szczegółowo

ARYTMETYKA MODULARNA. Grzegorz Szkibiel. Wiosna 2014/15

ARYTMETYKA MODULARNA. Grzegorz Szkibiel. Wiosna 2014/15 ARYTMETYKA MODULARNA Grzegorz Szkibiel Wiosna 2014/15 Spis tre±ci 1 Denicja kongruencji i jej podstawowe wªasno±ci 3 2 Systemy pozycyjne 8 3 Elementy odwrotne 12 4 Pewne zastosowania elementów odwrotnych

Bardziej szczegółowo

ANALIZA OPCJI ANALIZA OPCJI - WYCENA. Krzysztof Jajuga Katedra Inwestycji Finansowych i Zarządzania Ryzykiem Uniwersytet Ekonomiczny we Wrocławiu

ANALIZA OPCJI ANALIZA OPCJI - WYCENA. Krzysztof Jajuga Katedra Inwestycji Finansowych i Zarządzania Ryzykiem Uniwersytet Ekonomiczny we Wrocławiu Krzysztof Jajuga Katedra Inwestycji Finansowych i Zarządzania Ryzykiem Uniwersytet Ekonomiczny we Wrocławiu Podstawowe pojęcia Opcja: in-the-money (ITM call: wartość instrumentu podstawowego > cena wykonania

Bardziej szczegółowo

Matematyka finansowa w pakiecie Matlab

Matematyka finansowa w pakiecie Matlab Matematyka finansowa w pakiecie Matlab Wykład 5. Wycena opcji modele dyskretne Bartosz Ziemkiewicz Wydział Matematyki i Informatyki UMK Kurs letni dla studentów studiów zamawianych na kierunku Matematyka

Bardziej szczegółowo

OPCJE NA GPW. Zespół Rekomendacji i Analiz Giełdowych Departament Klientów Detalicznych Katowice, luty 2004

OPCJE NA GPW. Zespół Rekomendacji i Analiz Giełdowych Departament Klientów Detalicznych Katowice, luty 2004 OPCJE NA GPW Zespół Rekomendacji i Analiz Giełdowych Departament Klientów Detalicznych Katowice, luty 2004 CO TO JEST OPCJA, RODZAJE OPCJI Opcja - prawo do kupna, lub sprzedaży instrumentu bazowego po

Bardziej szczegółowo

Zadanie 1. Zadanie 2. Zadanie 3

Zadanie 1. Zadanie 2. Zadanie 3 Zadanie R to rata miesi czna, odsetki w k-tej racie to ods k = R( v 8 k ), a spªata kapitaªu wyra»a si wzorem kap k = Rv 8 k, gdzie v = (, 5) /6. Dany jest ukªad nierówno±ci z którego wynika Rv 8 N R(

Bardziej szczegółowo

Ćwiczenia do wykładu Zarządzanie portfelem inwestycyjnym. Opcje Strategie opcyjne

Ćwiczenia do wykładu Zarządzanie portfelem inwestycyjnym. Opcje Strategie opcyjne Ćwiczenia do wykładu Zarządzanie portfelem inwestycyjnym Opcje Strategie opcyjne 1 Współczynniki greckie Współczynniki greckie określają o ile zmieni się kurs opcji w wyniku zmiany wartości poszczególnych

Bardziej szczegółowo

Czy opcje walutowe mogą być toksyczne?

Czy opcje walutowe mogą być toksyczne? Katedra Matematyki Finansowej Wydział Matematyki Stosowanej AGH 11 maja 2012 Kurs walutowy Kurs walutowy cena danej waluty wyrażona w innej walucie np. 1 USD = 3,21 PLN; USD/PLN = 3,21 Rodzaje kursów walutowych:

Bardziej szczegółowo

Zastosowania matematyki

Zastosowania matematyki Zastosowania matematyki Monika Bartkiewicz 1 / 126 ...czy«cie dobrze i po»yczajcie niczego si nie spodziewaj c(šk. 6,34-35) Zagadnienie pobierania procentu jest tak stare jak gospodarka pieni»na. Procent

Bardziej szczegółowo

Podstawy In»ynierii Finansowej. Lista 5

Podstawy In»ynierii Finansowej. Lista 5 Podstawy In»ynierii Finansowej Lista 5 1. Przedstaw meechanizm marking to market dla opcji kupna i sprzeda»y na przykªadzie opcji kupna i sprzeda»y dla WIG20. Wystawca opcji deponuje depozyt pocz tkowy

Bardziej szczegółowo

EGZAMIN MAGISTERSKI, r Matematyka w ekonomii i ubezpieczeniach

EGZAMIN MAGISTERSKI, r Matematyka w ekonomii i ubezpieczeniach EGZAMIN MAGISTERSKI, 12.09.2018r Matematyka w ekonomii i ubezpieczeniach Zadanie 1. (8 punktów) O rozkªadzie pewnego ryzyka S wiemy,»e: E[(S 20) + ] = 8 E[S 10 < S 20] = 13 P (S 20) = 3 4 P (S 10) = 1

Bardziej szczegółowo

Opcje. Ćwiczenia ZPI. Katarzyna Niewińska, ćwiczenia do wykładu Zarządzanie portfelem inwestycyjnym 1

Opcje. Ćwiczenia ZPI. Katarzyna Niewińska, ćwiczenia do wykładu Zarządzanie portfelem inwestycyjnym 1 Opcje Ćwiczenia ZPI 1 Kupno opcji Profil wypłaty dla nabywcy opcji kupna. Z/S Premia (P) np. 100 Kurs wykonania opcji (X) np. 2500 Punkt opłacalności X + P 2500+100=2600 WIG20 2 Kupno opcji Profil wypłaty

Bardziej szczegółowo

5. (8 punktów) EGZAMIN MAGISTERSKI, r Matematyka w ekonomii i ubezpieczeniach

5. (8 punktów) EGZAMIN MAGISTERSKI, r Matematyka w ekonomii i ubezpieczeniach Matematyka w ekonomii i ubezpieczeniach ( Niezale»ne szkody maja rozkªady P (X i = k) = exp( 1)/k!, P (Y i = k) = 4+k ) k (1/3) 5 (/3) k, k = 0, 1,.... Niech S = X 1 +... + X 500 + Y 1 +... + Y 500. Skªadka

Bardziej szczegółowo

Zastosowania matematyki

Zastosowania matematyki Zastosowania matematyki Monika Bartkiewicz 1 / 143 Dyskonto-przypomnienie Obliczanie kapitaªu pocz tkowego P v na podstawie znanej warto±ci kapitaªu ko«cowego F v nazywa si dyskontowaniem kapitaªu F v.

Bardziej szczegółowo

Opcje. Ćwiczenia ZPI. Katarzyna Niewińska, ćwiczenia do wykładu Zarządzanie portfelem inwestycyjnym 1

Opcje. Ćwiczenia ZPI. Katarzyna Niewińska, ćwiczenia do wykładu Zarządzanie portfelem inwestycyjnym 1 Opcje Ćwiczenia ZPI 1 Kupno opcji Profil wypłaty dla nabywcy opcji kupna. Z/S Premia (P) np. 100 Kurs wykonania opcji (X) np. 2500 Punkt opłacalności X + P 2500+100=2600 WIG20 2 Kupno opcji Profil wypłaty

Bardziej szczegółowo

Ćwiczenia ZPI. Katarzyna Niewińska, ćwiczenia do wykładu Zarządzanie portfelem inwestycyjnym 1

Ćwiczenia ZPI. Katarzyna Niewińska, ćwiczenia do wykładu Zarządzanie portfelem inwestycyjnym 1 Ćwiczenia ZPI 1 Kupno opcji Profil wypłaty dla nabywcy opcji kupna. Z/S Premia (P) np. 100 Kurs wykonania opcji (X) np. 2500 Punkt opłacalności X + P 2500+100=2600 WIG20 2 Kupno opcji Profil wypłaty dla

Bardziej szczegółowo

R NKI K I F I F N N NSOW OPCJE

R NKI K I F I F N N NSOW OPCJE RYNKI FINANSOWE OPCJE Wymagania dotyczące opcji Standard opcji Interpretacja nazw Sposoby ustalania ostatecznej ceny rozliczeniowej dla opcji na GPW OPCJE - definicja Kontrakt finansowy, w którym kupujący

Bardziej szczegółowo

Ćwiczenia ZPI. Katarzyna Niewińska, ćwiczenia do wykładu Zarządzanie portfelem inwestycyjnym

Ćwiczenia ZPI. Katarzyna Niewińska, ćwiczenia do wykładu Zarządzanie portfelem inwestycyjnym Ćwiczenia ZPI 1 Współczynniki greckie Odpowiadają na pytanie o ile zmieni się wartość opcji w wyniku: Współczynnik Delta (Δ) - zmiany wartości instrumentu bazowego Współczynnik Theta (Θ) - upływu czasu

Bardziej szczegółowo

Modelowanie ryzyka kredytowego Zadania 1.

Modelowanie ryzyka kredytowego Zadania 1. 1 Ex-dividend prices Modelowanie ryzyka kredytowego Zadania 1. Mariusz Niewęgłowski 19 października 2014 Definicja 1. Dla każdego t [0, T ] cena ex-dividend wypłaty (X, A, X, Z, τ) ( ) S t := B t E Q Bu

Bardziej szczegółowo

ANALIZA NUMERYCZNA. Grzegorz Szkibiel. Wiosna 2014/15

ANALIZA NUMERYCZNA. Grzegorz Szkibiel. Wiosna 2014/15 ANALIZA NUMERYCZNA Grzegorz Szkibiel Wiosna 2014/15 Spis tre±ci 1 Metoda Eulera 3 1.1 zagadnienia brzegowe....................... 3 1.2 Zastosowanie ró»niczki...................... 4 1.3 Output do pliku

Bardziej szczegółowo

Wycena opcji Dynamika cen akcji: ds(t) = as(t)dt + σs(t)dw (t)

Wycena opcji Dynamika cen akcji: ds(t) = as(t)dt + σs(t)dw (t) Wycena opcji Dynamika cen akcji: ds(t) = as(t)dt + σs(t)dw (t) Wycena opcji Dynamika cen akcji: ds(t) = as(t)dt + σs(t)dw (t) Figure 1: Aproksymacja drzewem dwumianowym Wycena opcji Dynamika cen akcji:

Bardziej szczegółowo

ARYTMETYKA MODULARNA. Grzegorz Szkibiel. Wiosna 2014/15

ARYTMETYKA MODULARNA. Grzegorz Szkibiel. Wiosna 2014/15 ARYTMETYKA MODULARNA Grzegorz Szkibiel Wiosna 2014/15 Spis tre±ci 1 Denicja kongruencji i jej podstawowe wªasno±ci 3 2 Systemy pozycyjne 8 3 Elementy odwrotne 12 4 Pewne zastosowania elementów odwrotnych

Bardziej szczegółowo

INSTRUMENTY POCHODNE OPCJE EUROPEJSKIE OPCJE AMERYKAŃSKIE OPCJE EGZOTYCZNE

INSTRUMENTY POCHODNE OPCJE EUROPEJSKIE OPCJE AMERYKAŃSKIE OPCJE EGZOTYCZNE INSTRUMENTY POCHODNE OPCJE EUROPEJSKIE OPCJE AMERYKAŃSKIE OPCJE EGZOTYCZNE OPCJE / DEFINICJA Opcja jest prawem do zakupu lub sprzedaży określonej ilości wyspecyfikowanego przedmiotu (tzw. instrumentu bazowego)

Bardziej szczegółowo

Projekt dyplomowy in»ynierski

Projekt dyplomowy in»ynierski Katedra/Zakªad: Analizy Matematycznej i Numerycznej Kierunek studiów: Matematyka Specjalno± : Matematyka nansowa Rodzaj studiów: stacjonarne Imi i nazwisko: Alicja Czerwi«ska Numer albumu: 120132 Projekt

Bardziej szczegółowo

Zadanie 1. Zadanie 2. Zadanie 3. Zadanie 4

Zadanie 1. Zadanie 2. Zadanie 3. Zadanie 4 Zadanie ODP = exp(, 4 )E W () = exp(, )E l (;+ ) (S()) ODP = exp(, )P (S() > ), gdzie oznacza miar martyngaªow. Przy MBS proces cen akcji ma posta S(t) = S() exp[t(µ, 5σ ) + σw t ], gdzie {W t, t } jest

Bardziej szczegółowo

Matematyka finansowa 2.06.2001 r.

Matematyka finansowa 2.06.2001 r. Matematyka finansowa 2.06.2001 r. 3. Inwe 2!%3'(!!%3 $'!%4&!! &,'! * "! &,-' ryzyko inwestycji odchyleniem standardowym stopy zwrotu ze swojego portfela. Jak *!&! $!%3$! %4 A.,. B. spadnie o 5% C. spadnie

Bardziej szczegółowo

Ekstremalnie fajne równania

Ekstremalnie fajne równania Ekstremalnie fajne równania ELEMENTY RACHUNKU WARIACYJNEGO Zaczniemy od ogólnych uwag nt. rachunku wariacyjnego, który jest bardzo przydatnym narz dziem mog cym posªu»y do rozwi zywania wielu problemów

Bardziej szczegółowo

Metody redukcji wariancji

Metody redukcji wariancji Metody redukcji wariancji Michał Kołodziejczyk 26 maja 2009 Spis treści 1 Przedstawienie problemu 1 2 Metody redukcji - opis teoretyczny 2 2.1 Metoda Antithetic Variates...............................

Bardziej szczegółowo

Elementy geometrii w przestrzeni R 3

Elementy geometrii w przestrzeni R 3 Elementy geometrii w przestrzeni R 3 Z.Šagodowski Politechnika Lubelska 29 maja 2016 Podstawowe denicje Wektorem nazywamy uporz dkowan par punktów (A,B) z których pierwszy nazywa si pocz tkiem a drugi

Bardziej szczegółowo

Opcje - wprowadzenie. Mała powtórka: instrumenty liniowe. Anna Chmielewska, SGH,

Opcje - wprowadzenie. Mała powtórka: instrumenty liniowe. Anna Chmielewska, SGH, Opcje - wprowadzenie Mała powtórka: instrumenty liniowe Punkt odniesienia dla rozliczania transakcji terminowej forward: ustalony wcześniej kurs terminowy. W dniu rozliczenia transakcji terminowej forward:

Bardziej szczegółowo

Wykład 10. Ceny na rynkach terminowych (1)

Wykład 10. Ceny na rynkach terminowych (1) Wykład 10 Ceny na rynkach terminowych (1) Terminowe kursy walutowe Po jakim kursie bank sprzedałby firmie waluty w transakcji terminowej? POZYCJE POZABILANSOWE BILANS USD F DEPOZYT i USD DEPOZYT i PLN

Bardziej szczegółowo

Metody dowodzenia twierdze«

Metody dowodzenia twierdze« Metody dowodzenia twierdze«1 Metoda indukcji matematycznej Je±li T (n) jest form zdaniow okre±lon w zbiorze liczb naturalnych, to prawdziwe jest zdanie (T (0) n N (T (n) T (n + 1))) n N T (n). 2 W przypadku

Bardziej szczegółowo

Czy funkcja zadana wzorem f(x) = ex e x. 1 + e. = lim. e x + e x lim. lim. 2 dla x = 1 f(x) dla x (0, 1) e e 1 dla x = 1

Czy funkcja zadana wzorem f(x) = ex e x. 1 + e. = lim. e x + e x lim. lim. 2 dla x = 1 f(x) dla x (0, 1) e e 1 dla x = 1 II KOLOKWIUM Z AM M1 - GRUPA A - 170101r Ka»de zadanie jest po 5 punktów Ostatnie zadanie jest nieobowi zkowe, ale mo»e dostarczy dodatkowe 5 punktów pod warunkiem rozwi zania pozostaªych zada«zadanie

Bardziej szczegółowo

Zadania z analizy matematycznej - sem. II Ekstrema funkcji wielu zmiennych, twierdzenia o funkcji odwrotnej i funkcji uwikªanej

Zadania z analizy matematycznej - sem. II Ekstrema funkcji wielu zmiennych, twierdzenia o funkcji odwrotnej i funkcji uwikªanej Zadania z analizy matematycznej - sem. II Ekstrema funkcji wielu zmiennych, twierdzenia o funkcji odwrotnej i funkcji uwikªanej Denicja 1. Niech X = R n b dzie przestrzeni unormowan oraz d(x, y) = x y.

Bardziej szczegółowo

Przekroje Dedekinda 1

Przekroje Dedekinda 1 Przekroje Dedekinda 1 O liczbach wymiernych (tj. zbiorze Q) wiemy,»e: 1. zbiór Q jest uporz dkowany relacj mniejszo±ci < ; 2. zbiór liczb wymiernych jest g sty, tzn.: p, q Q : p < q w : p < w < q 3. 2

Bardziej szczegółowo

Interpolacja funkcjami sklejanymi

Interpolacja funkcjami sklejanymi Interpolacja funkcjami sklejanymi Funkcje sklejane: Zaªó»my,»e mamy n + 1 w zªów t 0, t 1,, t n takich,»e t 0 < t 1 < < t n Dla danej liczby caªkowitej, nieujemnej k funkcj sklejan stopnia k nazywamy tak

Bardziej szczegółowo

X WARMI SKO-MAZURSKIE ZAWODY MATEMATYCZNE 18 maja 2012 (szkoªy ponadgimnazjalne)

X WARMI SKO-MAZURSKIE ZAWODY MATEMATYCZNE 18 maja 2012 (szkoªy ponadgimnazjalne) X WARMI SKO-MAZURSKIE ZAWODY MATEMATYCZNE 18 maja 2012 (szkoªy ponadgimnazjalne) Zadanie 1 Obecnie u»ywane tablice rejestracyjne wydawane s od 1 maja 2000r. Numery rejestracyjne aut s tworzone ze zbioru

Bardziej szczegółowo

1 Granice funkcji wielu zmiennych.

1 Granice funkcji wielu zmiennych. AM WNE 008/009. Odpowiedzi do zada«przygotowawczych do czwartego kolokwium. Granice funkcji wielu zmiennych. Zadanie. Zadanie. Pochodne. (a) 0, Granica nie istnieje, (c) Granica nie istnieje, (d) Granica

Bardziej szczegółowo

Strategie inwestowania w opcje. Filip Duszczyk Dział Rynku Terminowego

Strategie inwestowania w opcje. Filip Duszczyk Dział Rynku Terminowego Strategie inwestowania w opcje Filip Duszczyk Dział Rynku Terminowego Agenda: Opcje giełdowe Zabezpieczenie portfela Spekulacja Strategie opcyjne 2 Opcje giełdowe 3 Co to jest opcja? OPCJA JAK POLISA Zabezpieczenie

Bardziej szczegółowo

Opcje. Dr hab Renata Karkowska; Wydział Zarządzania UW

Opcje. Dr hab Renata Karkowska; Wydział Zarządzania UW Opcje 1 Opcje Narysuj: Profil wypłaty dla nabywcy opcji kupna. Profil wypłaty dla nabywcy opcji sprzedaży. Profil wypłaty dla wystawcy opcji kupna. Profil wypłaty dla wystawcy opcji sprzedaży. 2 Przykład

Bardziej szczegółowo

Matematyka dyskretna dla informatyków

Matematyka dyskretna dla informatyków Matematyka dyskretna dla informatyków Cz ± I: Elementy kombinatoryki Jerzy Jaworski Zbigniew Palka Jerzy Szyma«ski Uniwersytet im. Adama Mickiewicza Pozna«2007 4 Zależności rekurencyjne Wiele zale»no±ci

Bardziej szczegółowo

Matematyka finansowa w pakiecie Matlab

Matematyka finansowa w pakiecie Matlab Matematyka finansowa w pakiecie Matlab Wykład 6. Wycena opcji modele ciągłe, metoda Monte Carlo Bartosz Ziemkiewicz Wydział Matematyki i Informatyki UMK Kurs letni dla studentów studiów zamawianych na

Bardziej szczegółowo

Inżynieria Finansowa: 9. Wartość opcji i model Blacka-Scholesa w praktyce

Inżynieria Finansowa: 9. Wartość opcji i model Blacka-Scholesa w praktyce Inżynieria Finansowa: 9. Wartość opcji i model Blacka-Scholesa w praktyce Piotr Bańbuła atedra Ekonomii Ilościowej, AE Czerwiec 2017 r. Warszawa, Szkoła Główna Handlowa Wypłata Wypłata Opcja binarna 0

Bardziej szczegółowo

Procesy stochastyczne 2.

Procesy stochastyczne 2. Procesy stochastyczne 2. Listy zadań 1-3. Autor: dr hab.a. Jurlewicz WPPT Matematyka, studia drugiego stopnia, I rok, rok akad. 211/12 1 Lista 1: Własność braku pamięci. Procesy o przyrostach niezależnych,

Bardziej szczegółowo

ARYTMETYKA MODULARNA. Grzegorz Szkibiel. Wiosna 2014/15

ARYTMETYKA MODULARNA. Grzegorz Szkibiel. Wiosna 2014/15 ARYTMETYKA MODULARNA Grzegorz Szkibiel Wiosna 2014/15 Spis tre±ci 1 Denicja kongruencji i jej podstawowe wªasno±ci 3 2 Systemy pozycyjne 8 3 Elementy odwrotne 12 4 Pewne zastosowania elementów odwrotnych

Bardziej szczegółowo

Wzory matematyka finansowa

Wzory matematyka finansowa Wzory matematyka finansowa MaciejRomaniuk 29 września 29 K(t) funkcjaopisującaakumulacjęwchwiliczasut,k() kapitał,i stopazyskuwchwilit: i= K(t) K() (1) K() K kapitał,i stałastopaprocentowadlaustalonegookresuczasut,

Bardziej szczegółowo

Janusz Adamowski METODY OBLICZENIOWE FIZYKI Zastosowanie eliptycznych równa«ró»niczkowych

Janusz Adamowski METODY OBLICZENIOWE FIZYKI Zastosowanie eliptycznych równa«ró»niczkowych Janusz Adamowski METODY OBLICZENIOWE FIZYKI 1 Rozdziaª 9 RÓWNANIA ELIPTYCZNE 9.1 Zastosowanie eliptycznych równa«ró»niczkowych cz stkowych 9.1.1 Problemy z warunkami brzegowymi W przestrzeni dwuwymiarowej

Bardziej szczegółowo

Zastosowania matematyki

Zastosowania matematyki Zastosowania matematyki Monika Bartkiewicz 1 / 126 ...czy«cie dobrze i po»yczajcie niczego si nie spodziewaj c(šk. 6,34-35) Zagadnienie pobierania procentu jest tak stare jak gospodarka pieni»na. Procent

Bardziej szczegółowo

Modelowanie ryzyka kredytowego: MODEL BLACK-COX A

Modelowanie ryzyka kredytowego: MODEL BLACK-COX A Modelowanie ryzyka kredytowego: MODEL BLACK-COX A Mariusz Niewęgłowski Wydział Matematyki i Nauk Informacyjnych, Politechniki Warszawskiej Warszawa 2014 Niewęgłowski MiNI PW Modele wartości firmy Warszawa

Bardziej szczegółowo

Opcje walutowe. Strategie inwestycyjne i zabezpieczające

Opcje walutowe. Strategie inwestycyjne i zabezpieczające Opcje walutowe Strategie inwestycyjne i zabezpieczające Praktyczne zastosowanie opcji Tomasz Uściński X-Trade Brokers Dom Maklerski S.A. Uniwersytet Warszawski, 8 grudnia 2006 r. www.xtb.pl 1 Przykład

Bardziej szczegółowo

Opcje giełdowe i zabezpieczenie inwestycji. Filip Duszczyk Dział Rynku Terminowego

Opcje giełdowe i zabezpieczenie inwestycji. Filip Duszczyk Dział Rynku Terminowego Opcje giełdowe i zabezpieczenie inwestycji Filip Duszczyk Dział Rynku Terminowego Agenda: Analiza Portfela współczynnik Beta (β) Opcje giełdowe wprowadzenie Podstawowe strategie opcyjne Strategia Protective

Bardziej szczegółowo

Lekcja 9 - LICZBY LOSOWE, ZMIENNE

Lekcja 9 - LICZBY LOSOWE, ZMIENNE Lekcja 9 - LICZBY LOSOWE, ZMIENNE I STAŠE 1 Liczby losowe Czasami spotkamy si z tak sytuacj,»e b dziemy potrzebowa by program za nas wylosowaª jak ± liczb. U»yjemy do tego polecenia: - liczba losowa Sprawd¹my

Bardziej szczegółowo

Wycena equity derivatives notowanych na GPW w obliczu wysokiego ryzyka dywidendy

Wycena equity derivatives notowanych na GPW w obliczu wysokiego ryzyka dywidendy Instrumenty pochodne 2014 Wycena equity derivatives notowanych na GPW w obliczu wysokiego ryzyka dywidendy Jerzy Dzieża, WMS, AGH Kraków 28 maja 2014 (Instrumenty pochodne 2014 ) Wycena equity derivatives

Bardziej szczegółowo

Szkice rozwi za«zada«z egzaminu 1

Szkice rozwi za«zada«z egzaminu 1 Egzamin - szkic rozwi za«sem. zimowy 06/07 AM, Budownictwo, IL PW Szkice rozwi za«zada«z egzaminu. Poda denicj granicy oraz ci gªo±ci funkcji. Def. (Heinego) Liczb g nazywamy granic funkcji f : D R w unkcie

Bardziej szczegółowo

Liczby zespolone Pochodna Caªka nieoznaczona i oznaczona Podstawowe wielko±ci zyczne. Repetytorium z matematyki

Liczby zespolone Pochodna Caªka nieoznaczona i oznaczona Podstawowe wielko±ci zyczne. Repetytorium z matematyki Repetytorium z matematyki Denicja liczb zespolonych Wyra»enie a + bi, gdzie a i b s liczbami rzeczywistymi a i speªnia zale»no± i 2 = 1, nazywamy liczb zespolon. Liczb i nazywamy jednostk urojon, a iloczyn

Bardziej szczegółowo

INWESTYCJE Instrumenty finansowe, ryzyko SPIS TREŚCI

INWESTYCJE Instrumenty finansowe, ryzyko SPIS TREŚCI INWESTYCJE Instrumenty finansowe, ryzyko Jajuga Krzysztof, Jajuga Teresa SPIS TREŚCI Przedmowa Wprowadzenie - badania w zakresie inwestycji i finansów Literatura Rozdział 1. Rynki i instrumenty finansowe

Bardziej szczegółowo

Matematyka dyskretna dla informatyków

Matematyka dyskretna dla informatyków UNIWERSYTET IM. ADAMA MICKIEWICZA W POZNANIU Jerzy Jaworski, Zbigniew Palka, Jerzy Szyma«ski Matematyka dyskretna dla informatyków uzupeænienia Pozna«007 A Notacja asymptotyczna Badaj c du»e obiekty kombinatoryczne

Bardziej szczegółowo

Współczynniki Greckie

Współczynniki Greckie Wojciech Antniak 05.0.008r. Wstęp Współczynniki greckie określają ryzyko opcji europejskiej na zmiany rynku. ażdy z nich określa w jaki sposób wpłynie zmiana jakiegoś czynnika na cenę akcji. W dalszej

Bardziej szczegółowo

Rozkªady i warto± oczekiwana

Rozkªady i warto± oczekiwana Rozkªady i warto± oczekiwana Piotr Wilkin Zmienne losowe i rozkªady. Wst p Zmienn losow nazywamy zmienn X przyjmuj c dowolne warto±ci z pewnego zbioru D, która speªnia wªasno± y D P (X = y) = (innymi sªowy

Bardziej szczegółowo

ZADANIA. Maciej Zakarczemny

ZADANIA. Maciej Zakarczemny ZADANIA Maciej Zakarczemny 2 Spis tre±ci 1 Algebra 5 2 Analiza 7 2.1 Granice iterowane, granica podwójna funkcji dwóch zmiennych....... 7 2.2 Caªki powierzchniowe zorientowane...................... 8 2.2.1

Bardziej szczegółowo

Kierunek studiów: Finanse i Rachunkowość Specjalność: Inżynieria finansowa

Kierunek studiów: Finanse i Rachunkowość Specjalność: Inżynieria finansowa Kierunek studiów: Finanse i Rachunkowość Specjalność: Inżynieria finansowa Kierunek studiów: FINANSE I RACHUNKOWOŚĆ Specjalność: Inżynieria finansowa Spis treści 1. Dlaczego warto wybrać specjalność Inżynieria

Bardziej szczegółowo

ARYTMETYKA MODULARNA. Grzegorz Szkibiel. Wiosna 2014/15

ARYTMETYKA MODULARNA. Grzegorz Szkibiel. Wiosna 2014/15 ARYTMETYKA MODULARNA Grzegorz Szkibiel Wiosna 2014/15 Spis tre±ci 1 Denicja kongruencji i jej podstawowe wªasno±ci 3 2 Systemy pozycyjne 8 3 Elementy odwrotne 12 4 Pewne zastosowania elementów odwrotnych

Bardziej szczegółowo

Opcje koszykowe a lokaty strukturyzowane - wycena

Opcje koszykowe a lokaty strukturyzowane - wycena Opcje koszykowe a lokaty strukturyzowane - wycena Basket options and structured deposits - pricing Janusz Gajda Promotor: dr hab. inz. Rafał Weron Politechnika Wrocławska Plan prezentacji Cel pracy Wprowadzenie

Bardziej szczegółowo

Wst p do matematyki nansów i ubezpiecze«

Wst p do matematyki nansów i ubezpiecze« Jarosªaw Mederski i Sªawomir Plaskacz Wst p do matematyki nansów i ubezpiecze«materiaªy dydaktyczne dla studentów II-go roku matematyki specjalno± : matematyka w ekonomii i nansach. Wydziaª Matematyki

Bardziej szczegółowo

czyli: Rynek nansowy znajduje si w równowadze popyt na pieni dz równy jest poda»y pieni dza (L = M).

czyli: Rynek nansowy znajduje si w równowadze popyt na pieni dz równy jest poda»y pieni dza (L = M). akroekonomia I, wiczenia 8-9 Jan Hagemejer odel IS-L Wst p Do tej pory analiza polityki gospodarczej abstraowaªa od sfery monetarnej. Analizowali±my wyª cznie polityk skaln. Co wi cej, uznawali±my,»e wszystkie

Bardziej szczegółowo

Funkcje wielu zmiennych

Funkcje wielu zmiennych dr Krzysztof yjewski Informatyka I rok I 0 in» 12 stycznia 2016 Funkcje wielu zmiennych Informacje pomocnicze Denicja 1 Niech funkcja f(x y) b dzie okre±lona przynajmniej na otoczeniu punktu (x 0 y 0 )

Bardziej szczegółowo

OPCJE MIESIĘCZNE NA INDEKS WIG20

OPCJE MIESIĘCZNE NA INDEKS WIG20 OPCJE MIESIĘCZNE NA INDEKS WIG20 1 TROCHĘ HISTORII 1973 Fisher Black i Myron Scholes opracowują precyzyjną metodę obliczania wartości opcji słynny MODEL BLACK/SCHOLES 2 TROCHĘ HISTORII 26 kwietnia 1973

Bardziej szczegółowo

Opcja jest to prawo przysługujące nabywcy opcji wobec jej wystawcy do:

Opcja jest to prawo przysługujące nabywcy opcji wobec jej wystawcy do: Jesteś tu: Bossa.pl Opcje na WIG20 - wprowadzenie Opcja jest to prawo przysługujące nabywcy opcji wobec jej wystawcy do: żądania w ustalonym terminie dostawy instrumentu bazowego po określonej cenie wykonania

Bardziej szczegółowo

Liniowe zadania najmniejszych kwadratów

Liniowe zadania najmniejszych kwadratów Rozdziaª 9 Liniowe zadania najmniejszych kwadratów Liniowe zadania najmniejszych kwadratów polega na znalezieniu x R n, który minimalizuje Ax b 2 dla danej macierzy A R m,n i wektora b R m. Zauwa»my,»e

Bardziej szczegółowo

Rynkowa wycena egzotycznych instrumentów pochodnych kursów walutowych { opcje barierowe

Rynkowa wycena egzotycznych instrumentów pochodnych kursów walutowych { opcje barierowe Rynkowa wycena egzotycznych instrumentów pochodnych kursów walutowych { opcje barierowe Ewa Kijewska BRE Bank 16 maja 2008 Ewa Kijewska (BRE Bank) Rynkowa wycena egzotycznych instrumentów pochodnych kursów

Bardziej szczegółowo

Modelowanie ryzyka kredytowego MODELOWANIE ZA POMOCA HAZARDU cz. II: CDS y - swapy kredytowe

Modelowanie ryzyka kredytowego MODELOWANIE ZA POMOCA HAZARDU cz. II: CDS y - swapy kredytowe Modelowanie ryzyka kredytowego MODELOWANIE ZA POMOCA FUNKCJI HAZARDU cz. II: CDS y - swapy kredytowe Mariusz Niewęgłowski Wydział Matematyki i Nauk Informacyjnych, Politechniki Warszawskiej Warszawa 2014

Bardziej szczegółowo

1 Metody iteracyjne rozwi zywania równania f(x)=0

1 Metody iteracyjne rozwi zywania równania f(x)=0 1 Metody iteracyjne rozwi zywania równania f()=0 1.1 Metoda bisekcji Zaªó»my,»e funkcja f jest ci gªa w [a 0, b 0 ]. Pierwiastek jest w przedziale [a 0, b 0 ] gdy f(a 0 )f(b 0 ) < 0. (1) Ustalmy f(a 0

Bardziej szczegółowo

istota transakcji opcyjnych, rodzaje opcji, czynniki wpływające na wartość opcji (premii). Mała powtórka: instrumenty liniowe

istota transakcji opcyjnych, rodzaje opcji, czynniki wpływające na wartość opcji (premii). Mała powtórka: instrumenty liniowe Opcje istota transakcji opcyjnych, rodzaje opcji, czynniki wpływające na wartość opcji (premii). Mała powtórka: instrumenty liniowe Punkt odniesienia dla rozliczania transakcji terminowej forward: ustalony

Bardziej szczegółowo

Legalna ±ci ga z RRI 2015/2016

Legalna ±ci ga z RRI 2015/2016 Legalna ±ci ga z RRI 205/206 Równania ró»niczkowe pierwszego rz du sprowadzalne do równa«o zmiennych rozdzielonych a) Równanie postaci: = f(ax + by + c), Równanie postaci: = f(ax + by + c), () wprowadzamy

Bardziej szczegółowo

Modele wielorównaniowe. Problem identykacji

Modele wielorównaniowe. Problem identykacji Modele wielorównaniowe. Problem identykacji Ekonometria Szeregów Czasowych SGH Identykacja 1 / 43 Plan wykªadu 1 Wprowadzenie 2 Trzy przykªady 3 Przykªady: interpretacja 4 Warunki identykowalno±ci 5 Restrykcje

Bardziej szczegółowo

AM II /2019 (gr. 2 i 3) zadania przygotowawcze do I kolokwium

AM II /2019 (gr. 2 i 3) zadania przygotowawcze do I kolokwium AM II.1 2018/2019 (gr. 2 i 3) zadania przygotowawcze do I kolokwium Normy w R n, iloczyn skalarny sprawd¹ czy dana funkcja jest norm sprawd¹, czy dany zbiór jest kul w jakiej± normie i oblicz norm wybranego

Bardziej szczegółowo

Analiza instrumentów pochodnych

Analiza instrumentów pochodnych Analiza instrumentów pochodnych Dr Wioletta Nowak Czwartek 13.00-15.00, p. 205C wioletta.nowak@uwr.edu.pl http://prawo.uni.wroc.pl/user/12141/students-resources Sylabus Zasady i metody wyceny kontraktów

Bardziej szczegółowo

Europejska opcja kupna akcji calloption

Europejska opcja kupna akcji calloption Europejska opcja kupna akcji callopion Nabywca holder: prawo kupna long posiion jednej akcji w okresie epiraiondae po cenie wykonania eercise price K w zamian za opłaę C Wysawca underwrier: obowiązek liabiliy

Bardziej szczegółowo

Powtórzenie. Ćwiczenia ZPI. Katarzyna Niewińska, ćwiczenia do wykładu Zarządzanie portfelem inwestycyjnym 1

Powtórzenie. Ćwiczenia ZPI. Katarzyna Niewińska, ćwiczenia do wykładu Zarządzanie portfelem inwestycyjnym 1 Powtórzenie Ćwiczenia ZPI 1 Zadanie 1. Średnia wartość stopy zwrotu dla wszystkich spółek finansowych wynosi 12%, a odchylenie standardowe 5,1%. Rozkład tego zjawiska zbliżony jest do rozkładu normalnego.

Bardziej szczegółowo

Zbiory i odwzorowania

Zbiory i odwzorowania Zbiory i odwzorowania 1 Sposoby okre±lania zbiorów 1) Zbiór wszystkich elementów postaci f(t), gdzie t przebiega zbiór T : {f(t); t T }. 2) Zbiór wszystkich elementów x zbioru X speªniaj cych warunek ϕ(x):

Bardziej szczegółowo

Metody numeryczne i statystyka dla in»ynierów

Metody numeryczne i statystyka dla in»ynierów Kierunek: Automatyka i Robotyka, II rok Wprowadzenie PWSZ Gªogów, 2009 Plan wykªadów Wprowadzenie, podanie zagadnie«, poj cie metody numerycznej i algorytmu numerycznego, obszar zainteresowa«i stosowalno±ci

Bardziej szczegółowo

Informacje pomocnicze

Informacje pomocnicze Funkcje wymierne. Równania i nierówno±ci wymierne Denicja. (uªamki proste) Wyra»enia postaci Informacje pomocnicze A gdzie A d e R n N (dx e) n nazywamy uªamkami prostymi pierwszego rodzaju. Wyra»enia

Bardziej szczegółowo

Metoda tablic semantycznych. 1 Metoda tablic semantycznych

Metoda tablic semantycznych. 1 Metoda tablic semantycznych 1 Zarówno metoda tablic semantycznych, jak i rezolucji, to dosy sprawny algorytm do badania speªnialni±ci formuª, a wi c i tautologii. Chodzi w niej o wskazanie, je±li istnieje, modelu dla formuªy. Opiera

Bardziej szczegółowo

Kontrakty terminowe na GPW

Kontrakty terminowe na GPW Kontrakty terminowe na GPW Czym jest kontrakt terminowy? Umowa między 2 stronami: nabywcą i sprzedawcą Nabywca zobowiązuje się do kupna instrumentu bazowego w określonym momencie w przyszłości po określonej

Bardziej szczegółowo

Programowanie wspóªbie»ne

Programowanie wspóªbie»ne 1 Programowanie wspóªbie»ne wiczenia 2 semafory cz. 1 Zadanie 1: Producent i konsument z buforem cyklicznym type porcja; void produkuj(porcja &p); void konsumuj(porcja p); porcja bufor[n]; / bufor cykliczny

Bardziej szczegółowo

Opcje giełdowe. Wprowadzenie teoretyczne oraz zasady obrotu

Opcje giełdowe. Wprowadzenie teoretyczne oraz zasady obrotu Opcje giełdowe Wprowadzenie teoretyczne oraz zasady obrotu NAJWAŻNIEJSZE CECHY OPCJI Instrument pochodny (kontrakt opcyjny), Asymetryczny profil wypłaty, Możliwość budowania portfeli o różnych profilach

Bardziej szczegółowo

Stochastyczne równania różniczkowe, studia II stopnia

Stochastyczne równania różniczkowe, studia II stopnia Stochastyczne równania różniczkowe, studia II stopnia Niech W t (ewentualnie W, W (t)), t oznacza proces Wienera oraz niech W = Niech W = (W, W 2,, W n ) oznacza n-wymiarowy proces Wienera Pokazać, że

Bardziej szczegółowo